Metodbevispost

Few-Shot Object Detection

Few-Shot Object Detection (FSOD) is a meta-learning approach that enables detecting novel object classes from only a few annotated examples. Unlike standard object detection requiring hundreds of labeled instances per class, FSOD learns to quickly adapt detection models to new object categories by leveraging knowledge from base categories.

Sources recorded, not reviewed

Källpost

Citat kopierade ordagrant från metodens källpost. Ingen verifiering på källnivå härleds från dem.

Few-Shot Object Detection with Contrastive Learning

Taxonomisk metodpost · ml-model / deep-learning

Wang, X., Huang, T. E., Darrell, T., Gonzalez, J. E., & Yu, F. (2020). Few-shot object detection with attention-RPN and multi-relation detector. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 9050-9059). · URL

Öppna fullständig metod

Kuraterade påståenden

Påståenden lagrade i bevisloggen, var och en med sin egen bedömning.

Inga kuraterade påståenden ännu

Denna vy hittar inte på en påståendebedömning när loggen saknar en.

Relaterade metoder

Genererade från metodgrafen och visade som maskinföreslagna relationer – inga bevispåståenden härleds.

Same method familyDETR (Detection Transformer)machine-suggested · Relational suggestion, not evidence.Same method familySimCLRmachine-suggested · Relational suggestion, not evidence.Same method familySwin Transformermachine-suggested · Relational suggestion, not evidence.